Elliot Dalga Teorisine dayalı ticaret stratejisi - sayfa 197
Ticaret fırsatlarını kaçırıyorsunuz:
- Ücretsiz ticaret uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Kayıt
Giriş yap
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Hesabınız yoksa, lütfen kaydolun
Bu sadece p=const ise geçerlidir. tüm çiftler için. Ve bu inanılmaz.
p=0.55 düşünün. Ardından, sadece 2-3 puanlık dalgalanmalar, çiftin durumunu temelden değiştirir. Ayrıca genel olarak çeşitlendirmeye karşı değilim, p=0.8 yerine çeşitlendirmenin tercih edilmesine karşıyım.
Bir seçeneğiniz olsaydı, neyi tercih ederdiniz:
1. 0,8'lik bir tahmin güvenilirliği ve kabul edilebilir bir işlem sıklığı sağlayan 2-3 gösterge ile çalışın
2. Aynı tahmin güvenilirliğine sahip bir dizi araçla çeşitlendirme 0,55
Nötron
Ancak, neden sonuçlarımızın farklı olduğuna karar verdiniz?
Sergei, bunu iddia etmedim ama detayları Yuri ile tartıştım. Deneyin ayrıntılarını açıklamak için getirildiniz. Teşekkür ederim. :hakkında)
Not: Yuri'nin birden fazla gösterge yazdığından ve araştırmanızdan sonra bunları “bağlamaya” çalıştığından şüpheleniyorum (bu bir şaka :o))).
İlginç! Bu yüzden deneyinin metodolojisini yanlış anladım. Şimdi bir sürü soru var.
Hangi pozisyonların başarıyla açıldığını ve hangilerinin açılmadığını düşündünüz? Şans belirsiz bir kavramdır. Ve eğer yanlış yöne gittiyse, dönebilir. Tamamen aynı ve tam tersi.
Göstergeleriniz için sabit bir olasılığı nasıl sağladınız? Ne de olsa, bunu bir garanti ile yapabilirseniz, bu, standart olanlar listesinden değil, yapay bir şey oldukları anlamına gelir. Bu, piyasa verileriyle deney yaptığınız için daha da ilginçtir, bu da onlar için olasılık p'nin sizin şanslı bir açık tanımınızla eşleştiği anlamına gelir.
Bağımsızlıklarını nasıl sağladınız?
Hepsi buysa, elbette, bu bir sır değil.
İlginç! Bu yüzden deneyinin metodolojisini yanlış anladım. Şimdi bir sürü soru var.
Hangi pozisyonların başarıyla açıldığını ve hangilerinin açılmadığını düşündünüz? Şans belirsiz bir kavramdır. Ve eğer yanlış yöne gittiyse, geri dönebilir. Tamamen aynı ve tam tersi.
Göstergeleriniz için sabit bir olasılığı nasıl sağladınız? Ne de olsa, bunu bir garanti ile yapabilirseniz, bu, standart olanlar listesinden değil, yapay bir şey oldukları anlamına gelir. Bu, piyasa verileriyle deney yaptığınız için daha da ilginçtir, bu da onlar için olasılık p'nin sizin şanslı bir açık tanımınızla eşleştiği anlamına gelir.
Bağımsızlıklarını nasıl sağladınız?
Hepsi buysa, elbette, bu bir sır değil.
Bugün en yaygın TS'nin eksik bir analizi, belirli bir kesinlik derecesinde, piyasadaki tüm oyuncu davranışının, aslında, bir pozisyon açtıktan sonra fiyat hareketinin yönünü ve olası genliği tahmin etmeye indirgendiğini belirtmemize izin verir. bu hareketin. İstatistiksel olarak anlamlı olan son noktanın cevabı, seçilen zaman dilimindeki standart sapmanın analizi ile verilir:
s=SQRT{SUM{(Kapat[ik]-Aç[ik])^2}/(n-1)}.
Tek bir oyuncu için piyasada geçirilen ortalama süre hakkında bir tahmin alabilirsiniz. Böylece, bir Zaman Çerçevesinde ortalama pozisyon tutma süresine eşit bir fiyat serisi oluşturduktan sonra, bir sonraki çubuğun açılmasıyla bir pozisyon açarız (bir gösterge sinyali alınırsa) ve aynı çubuğun kapanışında kapatırız, azaltarak tek bir görevi çözmek için piyasadaki bir oyuncunun optimal davranış sorunu - çubuk içindeki fiyat hareketinin yönünü tahmin etmek veya (başka bir deyişle) bir sonraki mumun rengini belirlemek. Bu soruna yeterli bir çözümün, ES'nin karlılığının maksimize edilmesine yol açacağı açıktır.
Kod tüm fiyat aralığını içerir ve "gösterge" mumun "gelecekteki" rengini önceden bilir. Beklenti sabit bir değerle kaydırılan rasgele sayı üreteci, göstergeyi "karıştırdı", böylece doğru bir tahmin olasılığı, görev koşulunun gerekliliği ile çakıştı. Bu formülasyonda, fiyat serisinin türü benim için önemli değil - bir birim genlik menderesi ve elde edilen sonuçların istatistiksel güvenilirlik gereksinimini karşılayacak bir uzunluk olabilir.
Bu bağlamda, bir sonraki çubuğun renginin göstergenin tahminiyle çakışması ve bunların bağımsızlığının deneyin tam ayarından kaynaklanması durumunda olumlu bir sonuç olarak kabul edildi.
Bu sadece p=const ise geçerlidir. tüm çiftler için. Ve bu inanılmaz.
p=0.55 düşünün. Ardından, sadece 2-3 puanlık dalgalanmalar, çiftin durumunu temelden değiştirir. Ayrıca genel olarak çeşitlendirmeye karşı değilim, p=0.8 yerine çeşitlendirmenin tercih edilmesine karşıyım.
Bir seçeneğiniz olsaydı, neyi tercih ederdiniz:
1. 0,8'lik bir tahmin güvenilirliği ve kabul edilebilir bir işlem sıklığı sağlayan 2-3 gösterge ile çalışın
2. Aynı tahmin güvenilirliğine sahip bir dizi araçla çeşitlendirme 0,55
p=0.55 veya daha da kötüsü, 7-8 gösterge ile çalışmak zorunda kalacaksınız. Onları nereden alabilirsin, böyle bağımsız olanlar? Yani, alsanız bile, bir yıl boyunca hepsinin aynı anda çalışmasını beklemek zorunda kalacaksınız (bilerek ve mantıksız bir şekilde bu benim). Ve hepsi ne için? çekilişi azaltmak için. Ne kadar olduğunu tahmin edelim.
Ortalama düşüş değeri D kabaca bu düşüşlerin ortalama mevcudiyet süresi ile 1-P'nin gücüne orantılıdır; burada P, bir göstergenin veya bir gösterge grubunun tahmine dayalı güvenilirliğidir:
D(t)=t^(1-P) .
Çok para birimli bir portföy durumunda, geri çekilme miktarı, aşağıdaki şekilde kullanılan n araç sayısına bağlıdır:
Dm(t)=SQRT(1/n)*t^(1-p) .
Buna karşılık, MM ilkesini kullanan TS'nin karlılığı, çekme değerindeki bir artışla katlanarak hızla düşer. Ek olarak, çok göstergeli bir TS'nin karlılığının (uzun bir süre boyunca $ cinsinden), P'nin büyümesiyle veya aynı olan, kullanılan gösterge sayısının artmasıyla katlanarak hızla düştüğünü hatırlıyoruz n (bkz. resimli son gönderi). Karakteristik zaman t'nin hem birinci hem de ikinci durumlarda karşılaştırılabilir olduğunu varsayarsak, çok para birimli bir TS için kârlılığın logaritmasının , araç sayısının artmasıyla aşağıdaki gibi büyüyeceğini elde ederiz:
SQRT(n)*const^(1-p) .
Ve aşağıdaki gibi çoklu gösterge durumunda:
const^(1-P)-n .
Birinci fonksiyon çift sayısı arttıkça monoton bir şekilde büyürken, ikinci fonksiyon kullanılan gösterge sayısı arttıkça azalır. Bu nedenle, gösterge sayısından ziyade kullanılan araç sayısını artırmak daha iyidir! Bu nedenle, birçok para birimi ve birkaç gösterge seçiyorum.
Yura, yukarıdaki ifadelerin korkunç ciddiyetinin tamamen farkındayım. Ancak, en azından bunun genel dinamikleri yansıttığını ve piyasadaki optimal davranış kriterlerini daha ayrıntılı olarak analiz etmenize olanak tanıdığını kabul etmelisiniz.
Beni tamamen ikna ettin. Bu konudaki sezgisel yaklaşımımı yeniden gözden geçirmem gerekiyor.
Bu konuda ara sıra tartışmalar ve ticarette matematiğin değeri hakkında paralel MQ forumları var.
Önyargılı bir rakibin bile bu değeri anlaması için söylediklerinizin yeterli olduğuna inanıyorum.
Deneyiniz hakkında tek bir şey söyleyebilirim: çok öğretici. Mantıksal, yapısal ve en önemlisi - basitçe. Neredeyse bariz. Öğrenecek bir şey var. Teşekkürler, Sergey.
Portföyde birçok enstrümanın ve TS'nin kullanımına ilişkin oldukça gelişmiş bir teori ve uygulama bulunmaktadır. Örneğin, optimal portföyün minimum düzeyde ilişkili araçlardan veya TS'den oluşması gerektiği bilinmektedir. Ve bu nedenle, maksimuma büyümesi iyiye yol açmayacaktır. Özel olarak seçmek ve her araç için sermaye miktarını yukarıdaki hususlardan yönetmek gerekir. Ancak çeşitlendirmenin tek amacı, ortaya çıkan öz sermayeyi (riskleri azaltır) yumuşatmak olacak ve karlılık açısından arada bir şey elde edilecektir.
Birkaç gösterge veya modelden oluşan bir sistemin inşası ile ilgili. Buradaki yanlış anlama, sistemin basitçe YUKARI veya AŞAĞI sinyalleri vermesidir. Bu elbette doğru değil. Her sistem olası bir fiyat eylemi senaryosundan yararlanmaya çalışır. İki sistem aynı senaryonun olasılığını gösteriyorsa, bunlar bağımlıdır ve bu nedenle en güvenilir olanı seçilmelidir. İki sistem farklı senaryoların olasılığını gösteriyorsa, ancak bir şekilde kesişiyorsa (örneğin, farklı TF'lerden), o zaman hepsi aynı, bunların bir karışımını değil, belirli bir senaryoyu (sistemi) takas etmeniz gerekecektir. Ve olasılığı değişmeden kalacaktır. Ve bu durumda, etkili bir karma senaryo hiç olmayabilir. Rastgele yukarı/aşağı tahminler yerine farklı zamanlarda alım ve satım yaparak farklı sistemlerin ticaretini yapıyoruz.
Olumlu bir sonuç - Sonunda, şimdi tamamen, farkın ne olduğunu ve X[i]=Açık[i]-Açık[i-1] merkezlemenin neden yapıldığını anladım. Buna göre önceki konuşmalarımda nerede yanıldığımı anladım.
Olumsuz sonuç - her şey bana göründüğü gibi değil.
1. Merkezleme için iki seçenek yaptım: tüm aralık üzerine inşa edilen doğrusal regresyondan bahsedildi ve kaldırıldı. Sonuçlar temelde farklıdır.
X[i] serisi için otokorelasyon katsayısı r[k] , k korelasyon aralığına bağlı değildir ve (k=1 hariç) 0,01'i geçmez. FAC'yi ayrı olarak hesaplamadım, ancak EURUSD için t=5,15,30, vb. Neutron tarafından sunulanlarla eşleşen sonuçlar elde edilir. Ve t=1'de - değer, Nötron'unkinden biraz daha yüksek olan -0.16'dır .
LR çıkarılarak elde edilen Y[i] serisi için resim tamamen farklıdır. r[k] yavaş yavaş GBPUSD, M15 için 1'den 0.70'e ve EURUSD için 0.97 (!!!)'ye düşer, M1 k=1000'de. Benim açımdan, bu sonucun fiziksel bir anlamı yok. Fiyat serisinin otokorelasyonu bu kadar güçlü olamaz ve bu kadar yavaş düşemez. Bu nedenle, bu merkezleme seçeneği uygun değil mi? Niye ya ? Sergey, sorunun ne olduğunu açıklayabilir misin?
2. Birkaç standart osilatörün yanı sıra kendiminkinin X[i] serisi ile korelasyon katsayısını hesapladım. Her durumda, r[k] 'nin pratik olarak k'den bağımsız olduğunu buldum, değerlerdeki farklılıklar yalnızca beşinci basamakta görünüyor ( k =0 olsa bile). Her ne kadar r[k] değeri zaman çerçevesine bağlı olsa da. Aynı zamanda farklı osilatörler için r[k] değerleri de birbirinden farklıdır.
Başka bir şey görmeyi bekliyordum. En kötü durumda, aynı resim: k=0'da bir maksimum ve k arttıkça sıfıra hızlı bir düşüş Farklı k için r[k]' nin sabitliği bir şeylerin yanlış yapıldığını mı gösterir? Ne ?
X[i]=Aç[i] ve X[i]=Aç[i]-Aç[i-1] .
Otokorelasyon katsayısı şu formülle bulunur:
r(Adım)=TOPLA{(X[i+k]-X[i-Adım+k])*(X[i+Adım+k]-X[i+k])}/SUM{(X[i +k]-X[i-Step+k])^2} , burada toplama serinin tüm üyeleri üzerindedir k=Adım...n-Adım, n dizinin toplam üye sayısıdır, Adım korelasyon ufku.
İlk durumda, otokorelasyon işlevi hakkında konuşurlar, genellikle -0.5 ila 0 aralığında bulunur ve ikinci durumda, bir korelogram hakkında konuşurlar, işaret dönüşümlüdür. Her iki seri de üstel olarak bozunur .
Yura, sabit bileşen kaldırılmazsa büyük ve alakasız bir otokorelasyon elde edilir. Gerçekten de, dizinin tüm üyeleri neredeyse aynıdır ve örneğin 1.23'e eşittir.
Bu arada, her biri p keyfi tahmin edilebilirliği olan bir grup N bağımsız gösterge için doğru tahmin P olasılığı için analitik olarak bir ifade elde ettim:
P=1-2^(N-1)*P{1-p[i]}